從“用起來”到“有價值”，2025年正成為中國金融業大模型規模化落地的關鍵一年。AI技術不再停留于概念驗證，而是深入業務核心，驅動金融服務走向智能化、普惠化。

目前金融領域AI應用走到哪一步？還存在哪些難點？未來又有哪些發展空間？近日，2025世界智能產業博覽會在重慶國際博覽中心開幕，在馬上消費金融股份有限公司主辦的“2025數字產業生態大會”上，多位專家、學者、企業嘉賓對金融領域的AI前沿應用展開討論。

從“用起來”到“有價值”

與早期單純強調“用起來”不同，當前金融機構在推進AI落地時，更加關注技術與業務部門協同所帶來的實際效益與成本控制。“有價值”正成為行業共識，也是多位嘉賓頻繁提及的關鍵詞。

中國銀行原行長李禮輝表示，以前AI在金融領域的應用只是人工輔助，近年來AI Agent（智能體）不斷學習，具有能夠感知、學習、行動、決策的代理能力。金融智能體依托行業最佳流程、最佳標準數據支持，可以培育具有較高專業水準的金融專業的代理人，適用于市場分析、風險評估、投資顧問、財富管理、量化交易、產品定制、內部審計等領域。

馬上消費常務副總經理蔣寧稱，人工智能正在重塑與消費者的關系，人機協同以體系化協作定義金融智能新范式。如果把人機協同分為L1到L5五個階段，當前行業正從L3向L4階段跨越，關鍵突破在于大模型技術使機器能夠自主理解并響應用戶需求。未來，將朝L5階段發展，推動機器提供更擬人、有情感的高質量服務，實現科技與人性化體驗的深度融合。

百度集團副總裁袁佛玉也持類似觀點。她認為，今年是智能體元年，很多大型企業構建了智能體層面的平臺，通過平臺去發動全員，讓業務人員可以真正地滿足需要，誕生了很多真正有實際場景需要的智能體并廣泛推廣。相關數據顯示，業務部門在建設中的參與度從過去的18%提升到74%。

從近期銀行披露的半年報看，上半年銀行業AI大模型落地呈現“加速跑”態勢，實現應用場景快速拓展。例如，工商銀行開展“領航AI+”行動，在個人金融、金融市場、對公信貸等重點業務領域新增AI財富助理、投研智能助手等100余個應用場景。郵儲銀行“郵智”大模型適配吸收多款主流大模型，開展了230余項大模型場景建設。

除場景拓展外，業內認為，在這一階段，機構也開始系統性思考金融智能化戰略。華為數字金融軍團首席專家柳元鑫表示，各個機構都把智能化作為最重要的戰略提了出來，希望能借此變得更加敏捷，更好開展輕資本業務。到目前這個階段，金融機構更傾向于從體系化的角度來考慮整個AI的建設。

“大家都認為用AI重構業務還有一段時間，怎么利用好最近1年至2年的時間窗口，把整個AI的體系建設起來，確保能夠真正發揮大模型的核心作用，已經成為行業共識。”柳元鑫說。

數據、安全與不確定性待解

隨著監管條例和配套指南集中落地，GPU算力租賃價格大幅下降，金融大模型正從昔日只有頭部機構才能負擔的“概念驗證”驟然下沉為大眾可及的“生產工具”。但真正重塑金融行業，還需邁過哪些門檻？

蔣寧認為，當前中國企業普遍面臨數據資源難以轉化為自身資產的挑戰。盡管數據豐富，但數據、技術與算法之間割裂，無法協同支撐決策。因此，亟須通過洞察平臺，從大量“廢棄數據”中識別高價值應用場景與客戶真實需求，將其轉化為大模型訓練的關鍵生產資料。洞察平臺可激活企業約70%的“沉睡”數據，通過離線洞察與知識挖掘、人機協同實時洞察，將企業海量異構數據變成AI-Ready的決策燃料，激活企業數據價值，推動智能體持續進化。

“下一階段，我們將依托新一代人工智能強化學習技術，在金融決策和風險控制等領域實現新的突破。”蔣寧對第一財經表示，以自動駕駛為代表的強化學習應用已展現出該技術的廣泛潛力，未來計劃將自動駕駛領域中積累的強化學習經驗與人工智能技術進一步融合，在金融決策流程中，讓強化學習發揮作用。

據了解，馬上消費2023年發布零售金融大模型“天鏡”，現已升級至3.0版本，應用于八大核心場景。其智能客服年均服務超6500萬次。

柳元鑫認為，盡管過去金融行業已投入大量資源建設數據平臺，但目前可能僅還原了50%的數據價值，大量業務規則以及深植于專家經驗中的隱性知識尚未被充分挖掘。下一步，行業需要推動數據中臺與AI平臺的深度融合，將人工智能各項技術真正系統性地應用于業務全流程。

安全性，也是未來金融大模型亟需解決的關鍵問題。

李禮輝指出，國產大模型在金融領域的應用正從單點突破走向生態重構，已進入規模化應用階段。在這一超高速發展的智能金融創新進程中，必須高度重視金融模型的安全性與可信性。目前，模型歧視、算法共振和隱私泄露等技術風險仍未得到徹底解決。

他進一步解釋，算法共振是指不同機構在量化交易中采用相似的程序算法邏輯，導致市場預測趨同、交易策略一致，進而可能引發單邊市場行為與劇烈波動；隱私泄露問題則緣于模型可解釋性不足，即對算法處理、數據挖掘及生成過程缺乏透明解釋，這不僅制約了監管合規能力的提升，也影響了模型的可靠應用。

蔣寧表示，金融領域的決策要求具備極高的精準性，這也是當前引入強化學習技術的重要原因。由于金融業務的高度敏感性，即便是非常微小的偏差，也可能在實際決策中造成顯著影響。此外，讓AI的決策可信非常重要。目前在這些方面，已經逐步形成了一系列標準方法、平臺與工具。

還有更多環節需要優化。蔣寧稱，金融行業歷來注重穩健，其業務模式相對穩定，商業決策也往往基于確定性前提展開。然而，人工智能的引入帶來了新的挑戰，其中最顯著的就是其不確定性。舉例來說，在部署某些AI決策之前，不知道其投資回報率（ROI）或具體商業成效，這就要求機構必須有一定程度的先期投入與探索意愿。正因如此，金融機構需要在戰略規劃、組織架構設計以及人才引進等方面持續創新與調整。